L'intelligence artificielle (IA) dans le recrutement fait référence à l'application de technologies d'IA, telles que l'apprentissage automatique et les grands modèles de langage, pour automatiser et améliorer diverses étapes du processus de recrutement. Ces technologies permettent aux organisations de recruter, de filtrer et de prédire le succès des candidats à l'aide de méthodes basées sur les données. Les partisans soutiennent que l'IA réduit les biais humains, aide à identifier les candidats qualifiés et libère les professionnels des ressources humaines (RH) pour des tâches plus stratégiques. Les critiques, cependant, avertissent que l'IA peut perpétuer les inégalités existantes et déplacer des emplois humains, tandis que les débats éthiques se concentrent sur la transparence algorithmique, la responsabilité et la nécessité d'une surveillance continue pour garantir des décisions équitables et impartiales tout au long du recrutement.
L'adoption de l'IA dans le recrutement a connu une croissance rapide. En 2022, une recherche de la Society for Human Resource Management (SHRM) a révélé que près de 25 % des organisations utilisaient l'automatisation ou l'IA pour les activités RH, y compris le recrutement. L'utilisation était corrélée à la taille de l'entreprise : 16 % des employeurs de moins de 100 travailleurs utilisaient l'IA, contre 42 % de ceux comptant 5 000 employés ou plus. Parmi les utilisateurs, plus des deux tiers des professionnels des RH ont rapporté que l'IA améliorait le délai de pourvoi des postes, 53 % disant que c'était un peu mieux et 16 % beaucoup mieux. D'ici 2024, on estimait que 35 % à 45 % des entreprises utilisaient l'IA dans le recrutement, et les données du Forum économique mondial de 2025 indiquaient que près de 90 % des entreprises employaient des outils d'IA dans l'embauche.
Recrutement et publicité ciblée
L'IA aide au recrutement en générant des annonces d'emploi et en les ciblant vers des candidats potentiels susceptibles de correspondre à un poste. Cela s'appuie souvent sur des outils de publicité sur les réseaux sociaux qui reposent sur l'IA. Par exemple, Facebook (désormais Meta) permet aux annonceurs de cibler les annonces en fonction des données démographiques, de la localisation, des intérêts, du comportement et des connexions. Les entreprises peuvent également utiliser des audiences « similaires », où elles fournissent un ensemble de données - généralement leurs employés actuels - et Facebook cible l'annonce vers des profils similaires à ceux de l'ensemble de données. Une étude de 2018 commandée par Facebook a révélé qu'un adulte américain sur quatre avait recherché ou trouvé un emploi via la plateforme.
Des sites d'emploi tels qu'Indeed, Glassdoor et ZipRecruiter ciblent également les offres d'emploi vers des candidats présentant les caractéristiques souhaitées. La publicité ciblée offre une efficacité et aide à atteindre un public spécifique, mais elle soulève des préoccupations quant à savoir qui voit les opportunités d'emploi. La plupart des algorithmes de ciblage sont propriétaires, et bien que des plateformes comme Facebook et Google permettent aux utilisateurs de voir pourquoi une annonce a été affichée, les non-bénéficiaires peuvent ne jamais connaître l'existence de l'annonce ni la raison de leur exclusion. En 2018, l'American Civil Liberties Union a déposé une plainte auprès de la Equal Employment Opportunity Commission alléguant que Facebook permettait des annonces d'emploi biaisées par genre, violant les lois fédérales et étatiques contre la discrimination. En 2019, Facebook a désactivé le ciblage explicite basé sur le genre, l'âge et le code postal pour les catégories d'annonces liées à l'emploi.
Filtrage et évaluation des candidats
Les filtres sont des tests pilotés par l'IA qui aident les entreprises à trier de grands bassins de candidats pour identifier ceux présentant des caractéristiques souhaitables. Les facteurs utilisés dans le filtrage sont une préoccupation pour les éthiciens et les militants des droits civiques. Si un filtre est formé sur des données provenant d'une main-d'œuvre majoritairement blanche et masculine, il peut involontairement favoriser des candidats similaires, perpétuant ainsi les inégalités. À l'inverse, l'IA a le potentiel de réduire les biais humains, tels que ceux contre les candidats ayant des noms à consonance afro-américaine, qui ont été documentés dans plusieurs études.
Un exemple notable est l'outil de scan de CV d'Amazon, utilisé de 2014 à 2018. Formé sur les qualifications de candidats précédemment recrutés, l'outil a systématiquement déclassé les CV de candidates féminines, ce qui a conduit les ingénieurs d'Amazon à découvrir le biais et finalement à abandonner le projet. Selon une recherche SHRM de 2022, seulement deux employeurs sur cinq utilisant des outils de recrutement IA de fournisseurs ont déclaré que le fournisseur était « très transparent » sur les mesures prises pour se protéger contre les biais. De plus, les outils d'IA peuvent former leurs propres biais : une étude de 2026 de l'Université de Princeton et de l'Université de Chicago a révélé que les outils d'IA développaient des biais de groupe lors de tâches d'embauche même lorsqu'ils étaient formés sur des données neutres, et ils étaient plus susceptibles de former de nouveaux biais que les humains effectuant les mêmes tâches.
Entretiens et chatbots
Les chatbots ont été parmi les premières applications de l'IA dans le recrutement. Les candidats interagissent avec des chatbots pour répondre à des questions, et l'IA analyse leurs réponses. Les entretiens vidéo asynchrones (EVA) sont une autre méthode, où les employeurs envoient des questions textuelles par voie électronique et les candidats enregistrent leurs réponses via webcam. HireVue, un fournisseur de premier plan, a développé une technologie qui analyse les réponses et les gestes des candidats lors d'entretiens vidéo enregistrés. Plus de 12 millions de candidats ont été filtrés par plus de 700 entreprises utilisant le service de HireVue.
Controverses éthiques et juridiques
L'IA dans le recrutement offre des avantages mais pose également des défis. Les biais peuvent être involontairement intégrés dans les données d'entraînement, souvent dérivées des employés existants, conduisant à des effectifs plus homogènes. L'exemple des annonces Facebook illustre comment les plateformes permettaient aux propriétaires d'entreprise de spécifier les caractéristiques souhaitées des employés, excluant potentiellement des groupes protégés. De telles pratiques ont attiré un examen réglementaire et un contrecoup public.
La transparence algorithmique est un problème majeur : de nombreux outils d'IA de recrutement sont propriétaires, ce qui rend difficile pour les candidats et les régulateurs de comprendre comment les décisions sont prises. La responsabilité est également floue lorsque les systèmes d'IA commettent des erreurs ou présentent des biais. Les experts appellent à une surveillance continue, à des audits et au développement de pratiques d'IA équitables, y compris des tests réguliers pour l'impact disparate et l'utilisation de techniques d'IA explicables.
Orientations futures et réglementation
À mesure que l'adoption de l'IA dans le recrutement croît, la pression pour une réglementation augmente également. La loi sur l'intelligence artificielle de l'Union européenne, proposée en 2021 et devant être pleinement en vigueur d'ici 2026, classe l'IA utilisée dans l'emploi comme à haut risque, exigeant une conformité stricte en matière de transparence, de gouvernance des données et de surveillance humaine. Aux États-Unis, la Equal Employment Opportunity Commission a publié des directives sur l'IA et l'équité algorithmique en vertu du Titre VII de la loi sur les droits civils. Certaines lois locales, telles que la loi locale 144 de la ville de New York (effective en 2023), imposent des audits de biais pour les outils automatisés de décision en matière d'emploi.
Les développements futurs pourraient inclure des modèles de apprentissage profond plus sophistiqués et de la IA générative pour des évaluations personnalisées des candidats, mais ceux-ci soulèvent également de nouvelles questions éthiques. Des chercheurs comme Michael Jordan et Anima Anandkumar ont souligné l'importance d'un apprentissage automatique robuste et équitable, tandis que des organisations telles que le laboratoire d'IA de Stanford et le CSAIL du MIT continuent d'étudier les biais algorithmiques. Le défi reste de tirer parti de l'efficacité de l'IA tout en garantissant des résultats d'embauche équitables.
Conclusion
L'intelligence artificielle dans le recrutement est un domaine transformateur mais controversé. Elle offre des efficacités significatives dans le recrutement, le filtrage et les entretiens, mais son potentiel à reproduire ou amplifier les biais humains exige une conception minutieuse, une transparence et une réglementation. En 2025, l'adoption est répandue, mais les cadres éthiques et juridiques évoluent encore. La recherche continue et les efforts politiques visent à équilibrer l'innovation avec l'équité, garantissant que l'IA serve d'outil pour un recrutement inclusif plutôt que d'obstacle.